内容类型
各家新模型的发布、开源与迭代：旗舰更新、开源权重放出、能力与价格变化。
46 条精选近 30 天 19 条共收录 111 条
Anthropic 发布 Claude Sonnet 5.5，是 Claude 5.5 家族继 Opus 5.5 后的第二款模型，比 Sonnet 5 更聪明、更高效、快 30%，单 token 价格不变，因通常消耗更少 token 而最多省 30% 成本。
推荐理由：原文给出模型细节、迁移的六个破坏性变更和 effort 调优建议，开发者可以据此评估替换 Sonnet 5 的成本和改法。
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，在保持质量的同时减少约 40% 的 token 消耗。团队通过 50 多次训练实验和 200 多次评估开发新训练算法，让模型学会更高效地推理；在 7 个基准和两家客户生产流量的 A/B 测试中，推理 token 缩短 35-50% 且准确率不降，内部编码流量切换后开发者几乎无感。
推荐理由：原文给出 Ember-1 相对 Kimi K3 的基准对比、A/B 实测和生产部署数据，读者可据此评估以更低 token 成本跑编码和智能体任务的可行性。
Cognition 发布迄今最先进的编码模型 SWE-2，基于 2.8T 参数的 Kimi K3 后训练，FrontierCode 1.1 Main 得分 50.0%，比 Fable 5.1 仅差 1 分且便宜 64%，比 GPT-6 Astra 低几分但成本仅四分之一。
推荐理由：官方既给出与 GPT-6 Astra、Fable 5.1 的对比数据，也详述了 RL 成本惩罚等训练方法，读者可借此理解低成本高能力的实现路径。
Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG 和 Believe 等行业伙伴合作开发，包含 v6、v6-wild 和 v6-mini 三款模型，分别面向精准创作、风格探索和免费快速生成。v6 支持用自然语言编辑歌曲片段、混搭多来源素材、采样构建节拍，以及从文本、音频、图片和视频生成音乐，上线后将逐步替换旧模型。
推荐理由：原文出自 Suno 官方，给出 v6 三款模型的定位差异和新编辑能力，读者可以对照自身创作需求选择版本。
OpenAI 发布 GPT-6 Astra 系统卡，将其在生物与化学领域按 High 能力预防性对待，但未达 Critical 阈值。
推荐理由：官方系统卡披露了被测模型在隐蔽 sandbagging、CoT 监控规避上的实测数据，读者可据此评估其监控可靠性结论。
Fireworks AI 发布对 DeepSeek V4 Pro 0813 的评测，该模型在 SWE-Bench Verified 得 95.2%、LiveCodeBench v6 得 92.0%，均领先 Fable 5 和 Kimi K3，SWE-bench 单个解决任务成本 $0.309，约为 Fable 5（$0.808）的三分之一。
推荐理由：Fireworks 用同一套评测对比 V4 Pro 与 Fable 5 和 Kimi K3，给出逐任务成本数据，并说明 Java 弱项和 oracle 路由的上限含义。
Together AI 宣布与 Moonshot AI 达成战略合作，成为其模型发布的首发平台，从 Kimi K3 开始并覆盖此后所有开放权重模型。
推荐理由：官方公告给出 Kimi K3 架构细节与托管入口，读者可以据此评估开放权重模型在生产环境的可用方式。
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 同步在 Serverless 平台提供 Day 0 接入。
推荐理由：原文给出了 Inkling 的架构细节和 Together AI 的 Day 0 上线入口，读者可以据此评估其在生产推理中的可用性。
OpenAI 发布 GPT-5.6 系统卡，将 GPT-5.6 家族三个模型 Sol、Luna、Terra 在生物化学领域预防性评估为 High 能力，未达 Critical。
推荐理由：OpenAI 官方系统卡给出 GPT-5.6 家族生物化学能力被评为 High 的依据、部署模拟预测方法和安全回归细节，可了解其安全评估如何运作。
Cognition 发布迄今最强模型 SWE-1.7，以更低成本达到前沿级智能，基于 Kimi K2.7 底座，今日已在 Devin 的 Web、Desktop 和 CLI 中通过 Cerebras 以 1000 TPS 提供。
推荐理由：官方详细披露了 RL 训练方法、跨洲多集群架构和基准数据，读者可借此了解低成本训练前沿编码模型的可行路径。
OpenAI 发布 GPT-5.6 Preview 系统卡，覆盖 Sol、Luna、Terra 三个模型。用 ChatGPT 生产流量做部署模拟预测违规率，预计 GPT-5.6 Sol 每 10 万轮对话约 8.6 轮违反骚扰政策；相对 GPT-5.5，性类违规内容从 0.05% 升至 0.07%，心理健康类违规响应从 0.03% 降至 0.02%。
推荐理由：OpenAI 官方系统卡披露 GPT-5.6 家族被预防性列为生化 High 能力，并给出部署模拟的违规率预测方法与结果，读者可借此了解其安全评估口径。
Zyphra 发布开源实时语音合成模型 ZONOS2，采用 MoE 架构，总参数 8B、激活参数 900M，Apache 2.0 许可，称其为首个开源 MoE TTS 模型。
推荐理由：官方同时放出权重、推理代码和自建评测集，还解释了 WER 与克隆保真度的权衡，读者可据此评估其语音克隆路线。
OpenAI 发布 GPT-Rosalind-5.5 系统卡，该模型基于 GPT-5.5 增量训练，面向生命科学能力，不再拒绝复杂生物学查询，转而以可信访问审核作为主要防护。
推荐理由：系统卡说明模型为何不拒绝生物学查询，以及可信访问、持续监控和可撤销权限等部署 safeguards 的具体做法。
Zyphra 发布 ZAYA1-74B-Preview，这是一个总参数 74B、激活 4B 的 MoE 预 RL 推理基座，未做 RL 后训练或指令微调，权重以 Apache 2.0 许可在 Hugging Face 开放。
推荐理由：官方发布给出了架构、训练数据规模和 pass@4 对比细节，读者可以据此评估这个预 RL 基座在 AMD 上扩展预训练的实际水准。
Zyphra 发布 ZAYA1-8B，首个在 AMD Instinct MI300 集群上完成预训练、中期训练和微调的 MoE 模型，活跃参数不足 10 亿，在数学、编码和推理基准上可匹敌或超过大得多的开源模型，如 Mistral-Small-4-119B。
推荐理由：官方详解了架构、AMD 训练栈和 Markovian RSA 推理方法，读者可据此评估小参数 MoE 模型的实际推理能力。
OpenAI 发布 GPT-5.5 Instant 系统卡，将该模型在生物与化学领域定为 High 能力并激活相应 Preparedness 防护。与 Gryphon Scientific 合作构建的未公开默会知识与排错选择题集评测中，将拒答和安全补全计为成功时模型刚好超过 80% 的共识专家基线，不计入则低于 80%。
推荐理由：OpenAI 官方系统卡给出 GPT-5.5 Instant 在生化领域被评为 High 能力及与专家基线的具体对比结果。
Ethan Mollick 提前试用 GPT-5.5 并撰写评测，认为其表明 AI 快速提升尚未结束。同一编程任务中 GPT-5.5 Pro 仅 GPT-5.5 Pro 真正模拟了城镇演化，耗时 20 分钟，而 GPT-5.4 Pro 需 33 分钟。
推荐理由：作者以早期访问实测对比多代模型，用同一编程任务和数据研究案例展示 GPT-5.5 的进步与边界。
OpenAI 发布 GPT-5.5 系统卡，将该模型在生物和化学领域评定为 High 能力并启动相应 Preparedness 防护。与 Gryphon Scientific 合建的未污染隐性知识测评中，GPT-5.5 Pro 在排除拒绝后得 81.67%，略超 80% 的专家共识基线。
推荐理由：OpenAI 官方系统卡给出了 GPT-5.5 的生物化学能力评级与 Apollo Research 第三方评估数据，读者可据此了解其安全边界。
Cognition 与 Applied Compute 合作 RL 训练了 bug 检测专用模型 SWE-check，在内部 in-distribution 评测上与 Opus 4.6 持平（delta F1 从 0.09 降到 0）。
推荐理由：原文给出了完整训练配方和关键评测数字，读者可以借鉴其奖励函数设计与两阶段后训练方法。
Suno 发布 v5.5 模型，称其为最具表现力的版本，并推出 Voices、Custom Models 和 My Taste 三项个性化功能。
推荐理由：原文给出 v5.5 的三项新功能细节与订阅限制，读者可以据此判断个性化音乐创作的实际入口。